脑-机接口共空间模式特征提取方法

摘要：

在脑-机接口(BCI)左、右手单次击键分类实验中,共空间模式(CSP)具有使用方便、减小维数、降低计算复杂度和保持分类必须的信息等特点,支持向量机(SVM)具有全局最优性和良好的泛化能力。采用共空间模式时脑电(EEG)信号进行特征提取、用支持向量机进行分类,在分析脑电信号神经生物学背景的基础上,提出了新的信号通道个数和位置的选择、滤波器个数选择、滤波频率选择等特征抽取方法和新颖的支持向量机模型参数选择方法,提高了分类准确率。

关键词： 脑机接口 共空间模式 特征提取 支持向量机 模型参数 参数选择 滤波频率

作者: 赵明渊 杨平 周明天

作者单位: 电子科技大学计算机科学与工程学院 四川成都 610054 中国农业银行四川省分行 四川成都 610015 电子科技大学生命科学与技术学院 四川成都 610054 电子科技大学计算机科学与工程学院 四川成都 610054

会议类型: 国内会议

会议名称: 2007”信息与通信工程、电子科学与技术、计算机科学与技术、机械工程全国博士生学术论坛

会议地点: 西安

会议语种:中文

页码: 439-440

在线出版日期: 2007-09-15（万方平台首次上网日期，不代表论文的发表时间）